[发明专利]一种苹果叶片点云精简方法及装置

说明书

本发明提供一种苹果叶片点云精简方法及装置，其中所述方法包括：利用包围盒法进行快速K‑近邻搜索，建立点云的kd‑tree空间存储结构，设定不同的阈值识别叶片点云边界并提取；通过计算点的特征参数法向量、曲率等，并进行邻域点位置信息计算，区别特征点及非特征点，并进一步对非特征点进行精简处理。本发明能够快速方便地得到边界点云及非边界点云，并进一步得到精简结果，过程中可以根据需要设定不同的K值及多个阈值，所得点云精简结果精确度较高，且计算过程便捷、计算方法合理，并适宜自动化编程实现，有效降低了计算机资源的浪费，可在一定程度上提高作业效率。

技术领域

本发明涉及计算机图形学中植物对象的三维建模和虚拟农业技术领域，更具体地，涉及一种苹果叶片点云精简方法及装置。

背景技术

果树叶片的形态结构以及空间分布直接影响果实的质量和产量，对果树叶片的形态结构进行分析和三维重建能为冠层光照分布计算以及果树整形修剪等提供理论基础。国内外学者针对植物叶片三维重建及可视化开展了大量的工作，随着三维激光扫描设备的生产数量增多和价格的降低，其能够被逐渐应用到植物建模领域中，对植物空间信息的表达精准且快速。

通过三维激光扫描设备可获取到植物叶片大规模的点云数据，点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点的集合。若将大规模的点云数据直接用于坐标变换、参数提取、颜色映射、曲面重建等植物叶片三维重建的几何操作中将占用大量的计算机资源并且运算效率低下，因此，有必要对获取到的点云数据进行精简。目前，针对苹果叶片的点云精简方法相对较少，较多数的点云精简方法是针对刚性器械元件，少量针对植物叶片的点云精简方法也多倾向于叶片较大、特征简单的植物，如玉米、黄瓜等，通常采用随机采样、统一采样、等距采样、曲率采样和格栅法等方法实现点云数据的精简。

由于苹果叶片形态特征复杂且对细节描述要求较高，上述各单一采样方法可能会存在细节特征丢失严重、空洞问题，不适用于苹果叶片点云数据的精简。

发明内容

为了克服现有点云精简方法存在的细节特征丢失严重、空洞，不适用于苹果叶片的问题，本发明提供一种苹果叶片点云精简方法及装置。

根据本发明的一个方面，提供一种苹果叶片点云精简方法，包括：

S1，使用三维激光扫描设备获取苹果叶片的空间三维信息，并对所述空间三维信息进行去噪处理，获得原始点云；

S2，利用基于包围盒的K-邻域搜索方法计算所述原始点云中的任一点的K-邻域，并通过计算每个点与其K-邻域内各邻近点之间的平均距离确定是否为离群点，将所有离群点从所述原始点云中删除，获得当前点云；

S3，基于最小二乘法计算所述当前点云中的任一点的法向量、K-邻域内的局部平均曲率以及所述当前点云的全局平均曲率和曲率方差；

S4，通过建立k-d树空间拓扑结构并利用所述当前点云中各个点与其K-邻域内各邻近点之间的位置关系，确定当前点云中的边界点；

S5，对于当前点云中的任一非边界点，根据所述全局平均曲率、曲率方差以及预设的点云精简率确定曲率阈值，并根据所述非边界点的K-邻域内的局部平均曲率与所述曲率阈值间的大小关系以及所述非边界点与其K-邻域内所有邻近点的法向量的点积和的正负情况，将所述非边界点划分为特征点及非特征点；

S6，根据所述预设的点云精简率，将所有非特征点所组成的点云划分为多个边长等长的子立方体，计算每个所述子立方体的重心点，并将所述边界点、特征点及重心点存储为最终的精简点云结果。

其中，所述步骤S2进一步包括：

S21，建立所述原始点云的最大包围盒；

S22，将所述最大包围盒划分为边长等长的多个子立方体，从所述原始点云中任意选取一个点作为当前点，根据当前点的坐标值，计算当前点所在子立方体的索引并进行存储；